LA PREDICCION ESTADISTICA ESTACIONAL DE LA LLUVIA EN EL
COMAHUE COMO HERRAMIENTA PARA LA TOMA DE DECISIONES
Dra. Marcela Hebe González CIMA/CONICET-UBA
DCAO FCEN [email protected]
OBJETIVO Generar pronósticos estadísticos de precipitación estacional
IMPORTANCIA:
Los recursos energéticos en Argentina provienen en gran medida de centrales hidroeléctricas que operan en la región del Comahue, como "El Chocón" y "Piedra del Aguila".
jan
feb
mar apr
may jun jul
aug
sep
oct
nov
dec
0250500750
10001250150017502000
RN RL
pp m
ensu
al a
cum
ulad
a(de
cimas
de
mm
)
1975-2012
METODOLOGIACorrelación entre pp media areal en MJJ y ASO con anomalías de TSM, G1000, G500, G200, U850 y V850 (Reanálisis NCEP) en Abril y Setiembre.
Definición de predictores
Aplicación de modelo de regresión múltiple lineal; forward stepwise.
Predictores con sustento físico e independientes entre si
Eficiencia probada utilizando la metodología de validación cruzada o crossvalidación que implica recalcular el modelo con n-1 datos
Modelo para la pp de MJJ en RL
P (MJJ, RL) = -1551,7 S1 - 132,1 G1 +1485,7 M1 + 200763,9
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
010002000300040005000600070008000 precipitación MJJ RL
observada estimada
pp(
10*m
m)
Varianza explicada 66,5%Correlación 0,51
Forzante de TSM tropical G200: Ondas de Rossby en el Pacífico V850: Fase ENOS
Modelo para la pp de MJJ en RN
P(MJJ, RN) = -1120,1 S2 –10,94 G2 + 92673,4
TSM G500
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
0500
100015002000250030003500400045005000 precipitación MJJ RN
observada estimada
pp
(dec
imas
de
mm
)
Varianza explicada 47%Correlación 0,45
Modelo para la pp de ASO en RL y RN
P(ASO, RL) = –13,94 G3 + 3952,1 (30%)P(ASO, RN) = –9,4 G4 + 769,1 S3 – 16769,9
(42%)G1000 Pacífico TSM Pacífico subtropical
Campos compuestos de G1000 en julio para los años húmedos (pp ASO RL> segundo tercil; 272 mm) y para los años secos (pp< primer tercil ;
200 mm)
EFICIENCIAso
bre Pp> 2º
tercil norm a
l
1º tercil>pp>2º tercil
sub Pp<1º
tercil
H (%) POD (%) FAR (%)Pp sobre MJJ RL 82 73 27Pp sub MJJ RL 76 64 36
Pp sobre MJJ RN 70 55 45Pp sub MJJ RN 70 55 45
Pp sobre ASO RL 55 29 38Pp sub ASO RL 82 63 38
Pp sobre ASO RN 82 73 27Pp sub ASO RN 76 64 36
EFICIENCIA MJJ RL ASO RL MJJ RN ASO RN
pp media observada (mm) 479,5 244,1 281,6 114,6
pp media estimada (mm) 477,9 243,2 288,1 112,8
primer tercil observado (mm) 418,1 200,2 235,5 77,0segundo tercil observado
(mm) 558,1 272,0 312,7 137,5
primer tercil estimado (mm) 409,8 220,2 251,4 92,9
segundo tercil estimado (mm) 550,8 270,0 317,8 140,6
% aciertos de categorías 48,5 57,6 45,5 48,5
% fallos en 1 categoría 48,5 36,4 48,5 48,5
% de fallos en 2 categorías 3,0 6,1 6,1 3,0
correlación precipitación estimada y observada 0,5 0,46 0,45 0,45
MODELO CUALITATIVO DE PREDICCIÓN DE LLUVIA ESTACIONAL
Prono cualitativo
1. Predictores
del mes previo para
cada trimestre
2. Para un trimestre
en particular se observa
el comportami
ento
3. Se establece si predomina el patrón
sub, sobre o normal
4. Se compara
con lo observado
luego.
MODELO CUALITATIVO DE PREDICCIÓN DE LLUVIA ESTACIONAL
Limay Limay Neuquen Neuquenaño trimestre pp estimada ppobservada pp estimada ppobservada
2009 MJJ 2010 MJJ
JJA n n JAS n n ASO n n SON OND n n NDE
2011 DEF n EFM n n FMA sin pronóstico n sin pronóstico n MAM n n AMJ sin pronóstico sin pronóstico MJJ JJA n n JAS ASO SON n n OND NDE n
2012 DEF sin pronóstico sin pronóstico EFM FMA sin pronóstico sin pronóstico MAM n AMJ n n n MJJ JJA JAS n ASO SON OND NDE
2013 DEF n n n n EFM n n FMA n n n n MAM n n n n AMJ n n MJJ n n JJA n n n
RL: 35 pronos %
RN: 35 pronos %
19 aciertos 54,3 17 aciertos 48,610 fallos 1
cat 28,616 fallos 1
cat 45,76 fallos 2
cat 17,12 fallos 2
cat 5,7
Pp estacional estimada y observada en RL y RN generada observando
los patrones de comportamiento de
variables meteorológicas el mes
previo
verde: sobrenormal, marrón: subnormal, celeste: normal).
CONCLUSIONES
Se desarrollaron modelos de regresión lineal múltiples para estimar la precipitación estacional de MJJ y ASO en RL y RN
Los 3 factores precursores de la pp MJJ fueron: TSM en el Océano Índico tropical, el tren de ondas sobre el Océano Pacífico y la fase ENOS
En el caso de pp ASO predominó la dinámica de capas bajas
La eficiencia es buena cuando se pronostica lluvia sobre y subnormal en RN pero fue mejor el pronóstico de sobre en RL
La aplicación del método cualitativo de pronóstico trimestral en base a patrones previos, indicaron que el porcentaje de acierto es del 54% en RL y 48% en RN.
Agradecimientos• Los datos fueron provistos
por la Administración Interjurisdiccional de las Cuencas de los Ríos Negro, Limay y Neuquén (AIC), el Servicio Meteorológico Nacional (SMN) y la Secretaría de Recursos Hídricos de la Nación. • Este trabajo fue financiado por los proyectos UBACyT 2010-2012 CC02, UBACyT 2011-2014 01/Y128, CONICET PIP 112-200801-00195, PICT 2010-2110.
• Los campos de las variables met fueron provistas por NOAA/ESRL Physical Sciences Division, Boulder Colorado desde su página web: http://www.esrl.noaa.gov/psd
MUCHAS GRACIAS!!